CN106393103B - 一种基于机器视觉的阵列式料框自适应取料方法 - Google Patents
一种基于机器视觉的阵列式料框自适应取料方法 Download PDFInfo
- Publication number
- CN106393103B CN106393103B CN201610702768.2A CN201610702768A CN106393103B CN 106393103 B CN106393103 B CN 106393103B CN 201610702768 A CN201610702768 A CN 201610702768A CN 106393103 B CN106393103 B CN 106393103B
- Authority
- CN
- China
- Prior art keywords
- image
- mark
- real
- standard
- pictures
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明揭示了一种基于机器视觉的阵列式料框自适应取料方法,用于按阵列式摆放物料的料框取料,设定料框摆放的标准摆放位,确定首个物料标准拍照位,并视觉标定出各个物料的关键特征的标准图像坐标;在标准拍照位进行获取首个物料的图像,若料框位置与标准位置有偏差,则获取不到完整的物料图像,根据不完整的物料图像的局部图像特征位置进行自适应调整首个物料的拍照位来获取到完整的物料图像,从而获取实际图像关键特征位置,实现精确视觉抓取定位,同时将当前运动机构的位置设为首个物料实际拍照位;通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位。
Description
技术领域
本发明属于生产自动化技术领域,尤其涉及一种基于机器视觉的阵列式料框自适应取料方法。
背景技术
对于大多数现代工业自动化生产线来说,普遍存在自动取放物料装置,例如机械手、模组等。为了完成“抓取-放置”动作,对物料定位信息的获取是尤为必要的,为了达到更高的定位抓取精度,通常采用机器视觉进行定位。为了提高上料的效率,一般工业现场采用的是阵列式的料框可以一次性批量上料,且物料的摆放位置按一定的规律基本固定,这样便于视觉定位;但是考虑到工业现场的实际情况:(1)一般的料框放置点为一个固定区域内,故每次人工进行料框放置或者AGV小车送料时位置会存在一定的偏差;(2)料框中摆放产品的空间会存在一定的裕量,故不能保证每个产品能摆放位置十分固定,也是存在一定的偏差。
通常基于机器视觉的抓取装置为了对物料进行精准的抓取,则必须获取清晰的物料图像特征,故尽可能在一定的相机镜头的视野范围内获取到的物料图像特征尽可能的大;若如上所述工业现场的实际情况,料框及物料位置均存在一定的偏差,则可能会导致在镜头的视野范围内拍不了完整的物料图像,从而获取不到关键部分的图像特征,无法进行抓取定位;这就易产生漏抓,降低了抓取的可靠性,取料效率较低。
因此,有必要提供一种基于机器视觉的阵列式料框自适应取料方法来解决上述问题。
发明内容
本发明的目的是提供一种基于机器视觉的阵列式料框自适应取料方法。
本发明通过如下技术方案实现上述目的:
一种基于机器视觉的阵列式料框自适应取料方法,用于按阵列式摆放物料的料框取料,包括以下步骤:
S1,视觉标定标准阵列式料框图:
设定料框摆放的标准摆放位,确定首个物料标准拍照位,并视觉标定出各个物料的关键特征的标准图像坐标;
S2,自适应调整料框中首个物料的抓取位置:
在标准拍照位进行获取首个物料的图像,若料框位置与标准位置有偏差,则获取不到完整的物料图像,根据不完整的物料图像的局部图像特征位置进行自适应调整首个物料的拍照位来获取到完整的物料图像,从而获取实际图像关键特征位置,实现精确视觉抓取定位,同时将当前运动机构的位置设为首个物料实际拍照位;
S3,依次自适应精确调整料框中其余物料的抓取位置:
通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位。
进一步的,所述S1具体包括以下步骤:
S1-1:设定料框摆放的标准摆放位,将按阵列式摆放物料的料框放置在标准摆放位;
S1-2:运动机构带着相机运动以调整相机位置进行拍照,保证当前首个物料的完整图像在相机的视野范围内,并将当前运动机构的位置设为首个物料的标准拍照位坐标(X标拍1,Y标拍1);
S1-3:对首个物料的图像进行处理,提取关键特征,获取物料关键部位的图像坐标(X标图1,Y标图1),从而可得图像坐标与运动坐标对应的转换系数K;
S1-4:料框中其余物料的关键特征的图像坐标可根据阵列规律依次计算出来作为标准图像坐标(X标图2,Y标图2)~(X标图n,Y标图n)。
进一步的,所述S2具体包括以下步骤:
S2-1:运动机构带着相机运动到首个物料的标准拍照位(X标拍1,Y标拍1)获取图像,由于料框每次来料位置存在一定的偏差,可能会导致在相机镜头的视野范围内,获取不到完整的物料图像,继而提取不了图像关键特征来实现精确定位,故需对首个产品的拍照位置进行自适应调整,减小料框实际位置与标准位置间的位置偏差;
S2-2:根据获取的图像,提取出图像中的局部特征位置,根据局部图像特征在完整物料图像中位置计算出图像偏移量,根据运动坐标与图像坐标的转换系数K计算得出运动偏移量;
S2-3:运动机构带着相机按运动偏移量在运动坐标方向偏移运动后拍照,获取到完整的首个物料的图像,并将当前运动机构的位置设为首个物料实际拍照位(X实拍1,Y实拍1);
S2-4:对首个物料的图像进行图像处理,获取物料图像关键特征的实际物料图像坐标(X实图1,Y实图1),从而根据该图像坐标实现首个物料的精确定位抓取,这样减小了料框实际位置与料框标准位置间的位置偏差。
进一步的,所述S3具体包括以下步骤:
由于料框中各个物料呈阵列式摆放的,除去首个物料,料框中的其余物料的抓取位置均是通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位;
根据首个物料实际拍照位(X实拍1,Y实拍1)、阵列式排列在X,Y方向的规律(H,J)、实际首个物料图像坐标(X实图1,Y实图1)、实际首个物料标准图像坐标(X标图1,Y标图1)及图像坐标与运动坐标对应的转换系数K可知,第二个物料的拍照位(X实拍2,Y实拍2),按如下式子计算所得:
X实拍2=X实拍1+H+(X实图1-X标图1)*K
Y实拍2=Y实拍1+J+(Y实图1-Y标图1)*K
运动机构带着相机运动到拍照位(X实拍2,Y实拍2),获取到完整的第二个物料图像,再进行图像处理,获取第二个物料图像关键特征的实际物料图像坐标(X实图2,Y实图2),从而根据该图像坐标实现第二个物料精确定位抓取,依次类推,对每个相邻物料的取料位置逐一自适应调整,减小了物料与物料间的位置偏差,保证了取料的精度。
与现有技术相比,本发明提供一种基于机器视觉的阵列式料框自适应取料方法,通过对料框及物料的位置进行双重视觉补偿,依次一一自适应调整取料装置的取料位置,提高了取料效率,保证了取料装置的可靠性,降低了物料的不良率,实现了智能化。
附图说明
图1是本发明实施例的流程图。
具体实施方式
实施例:
如图1所示,本实施例的一种基于机器视觉的阵列式料框自适应取料方法,用于按阵列式摆放物料的料框取料,包括以下步骤:
S1,视觉标定标准阵列式料框图:
设定料框摆放的标准摆放位,确定首个物料标准拍照位,并视觉标定出各个物料的关键特征的标准图像坐标;
S2,自适应调整料框中首个物料的抓取位置:
在标准拍照位进行获取首个物料的图像,若料框位置与标准位置有偏差,则获取不到完整的物料图像,根据不完整的物料图像的局部图像特征位置进行自适应调整首个物料的拍照位来获取到完整的物料图像,从而获取实际图像关键特征位置,实现精确视觉抓取定位,同时将当前运动机构的位置设为首个物料实际拍照位;
S3,依次自适应精确调整料框中其余物料的抓取位置:
通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位。
其中,S1具体包括以下步骤:
S1-1:设定料框摆放的标准摆放位,将按阵列式摆放物料的料框放置在标准摆放位;
S1-2:运动机构带着相机运动以调整相机位置进行拍照,保证当前首个物料的完整图像在相机的视野范围内,并将当前运动机构的位置设为首个物料的标准拍照位坐标(X标拍1,Y标拍1);
S1-3:对首个物料的图像进行处理,提取关键特征,获取物料关键部位的图像坐标(X标图1,Y标图1),从而可得图像坐标与运动坐标对应的转换系数K;
S1-4:料框中其余物料的关键特征的图像坐标可根据阵列规律依次计算出来作为标准图像坐标(X标图2,Y标图2)~(X标图n,Y标图n)。
S2具体包括以下步骤:
S2-1:运动机构带着相机运动到首个物料的标准拍照位(X标拍1,Y标拍1)获取图像,由于料框每次来料位置存在一定的偏差,可能会导致在相机镜头的视野范围内,获取不到完整的物料图像,继而提取不了图像关键特征来实现精确定位,故需对首个产品的拍照位置进行自适应调整,减小料框实际位置与标准位置间的位置偏差;
S2-2:根据获取的图像,提取出图像中的局部特征位置,根据局部图像特征在完整物料图像中位置计算出图像偏移量,根据运动坐标与图像坐标的转换系数K计算得出运动偏移量;
S2-3:运动机构带着相机按运动偏移量在运动坐标方向偏移运动后拍照,获取到完整的首个物料的图像,并将当前运动机构的位置设为首个物料实际拍照位(X实拍1,Y实拍1);
S2-4:对首个物料的图像进行图像处理,获取物料图像关键特征的实际物料图像坐标(X实图1,Y实图1),从而根据该图像坐标实现首个物料的精确定位抓取,这样减小了料框实际位置与料框标准位置间的位置偏差。
S3具体包括以下步骤:
由于料框中各个物料呈阵列式摆放的,除去首个物料,料框中的其余物料的抓取位置均是通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位;
根据首个物料实际拍照位(X实拍1,Y实拍1)、阵列式排列在X,Y方向的规律(H,J)、实际首个物料图像坐标(X实图1,Y实图1)、实际首个物料标准图像坐标(X标图1,Y标图1)及图像坐标与运动坐标对应的转换系数K可知,第二个物料的拍照位(X实拍2,Y实拍2),按如下式子计算所得:
X实拍2=X实拍1+H+(X实图1-X标图1)*K
Y实拍2=Y实拍1+J+(Y实图1-Y标图1)*K
运动机构带着相机运动到拍照位(X实拍2,Y实拍2),获取到完整的第二个物料图像,再进行图像处理,获取第二个物料图像关键特征的实际物料图像坐标(X实图2,Y实图2),从而根据该图像坐标实现第二个物料精确定位抓取,依次类推,对每个相邻物料的取料位置逐一自适应调整,减小了物料与物料间的位置偏差,保证了取料的精度。
本实施例的一种基于机器视觉的阵列式料框自适应取料方法具有以下优点:
1、无需人工参与,通过实时的自适应调整拍照位置,保证每个物料均能获取到关键图像特征位置,实现精准抓取,实现了智能化;
2、降低了取料的失败率,保证了取料装置的可靠性,提高了生产效率。
以上的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (3)
1.一种基于机器视觉的阵列式料框自适应取料方法,用于按阵列式摆放物料的料框取料,其特征在于包括以下步骤:
S1,视觉标定标准阵列式料框图:
设定料框摆放的标准摆放位,确定首个物料标准拍照位,并视觉标定出各个物料的关键特征的标准图像坐标;
S2,自适应调整料框中首个物料的抓取位置:
在标准拍照位进行获取首个物料的图像,若料框位置与标准位置有偏差,则获取不到完整的物料图像,根据不完整的物料图像的局部图像特征位置进行自适应调整首个物料的拍照位来获取到完整的物料图像,从而获取实际图像关键特征位置,实现精确视觉抓取定位,同时将当前运动机构的位置设为首个物料实际拍照位;
S3,依次自适应精确调整料框中其余物料的抓取位置:
通过前一个相邻的物料的拍照位及图像的关键特征位置来实时自适应调整当前物料拍照位来获取到完整的物料图像,从而实现精确视觉抓取定位;
所述S1具体包括以下步骤:
S1-1:设定料框摆放的标准摆放位,将按阵列式摆放物料的料框放置在标准摆放位;
S1-2:运动机构带着相机运动以调整相机位置进行拍照,保证当前首个物料的完整图像在相机的视野范围内,并将当前运动机构的位置设为首个物料的标准拍照位坐标(X标拍1,Y标拍1);
S1-3:对首个物料的图像进行处理,提取关键特征,获取物料关键部位的图像坐标(X标图1,Y标图1),从而可得图像坐标与运动坐标对应的转换系数K;
S1-4:料框中其余物料的关键特征的图像坐标可根据阵列规律依次计算出来作为标准图像坐标(X标图2,Y标图2)~(X标图n,Y标图n)。
2.根据权利要求1所述的一种基于机器视觉的阵列式料框自适应取料方法,其特征在于:所述S2具体包括以下步骤:
S2-1:运动机构带着相机运动到首个物料的标准拍照位(X标拍1,Y标拍1)获取图像;
S2-2:根据获取的图像,提取出图像中的局部特征位置,根据局部图像特征在完整物料图像中位置计算出图像偏移量,根据运动坐标与图像坐标的转换系数K计算得出运动偏移量;
S2-3:运动机构带着相机按运动偏移量在运动坐标方向偏移运动后拍照,获取到完整的首个物料的图像,并将当前运动机构的位置设为首个物料实际拍照位(X实拍1,Y实拍1);
S2-4:对首个物料的图像进行图像处理,获取物料图像关键特征的实际物料图像坐标(X实图1,Y实图1)。
3.根据权利要求1所述的一种基于机器视觉的阵列式料框自适应取料方法,其特征在于:所述S3具体包括以下步骤:
根据首个物料实际拍照位(X实拍1,Y实拍1)、阵列式排列在X,Y方向的规律(H,J)、实际首个物料图像坐标(X实图1,Y实图1)、实际首个物料标准图像坐标(X标图1,Y标图1)及图像坐标与运动坐标对应的转换系数K可知,第二个物料的拍照位(X实拍2,Y实拍2),按如下式子计算所得:
X实拍2=X实拍1+H+(X实图1-X标图1)*K
Y实拍2=Y实拍1+J+(Y实图1-Y标图1)*K
运动机构带着相机运动到拍照位(X实拍2,Y实拍2),获取到完整的第二个物料图像,再进行图像处理,获取第二个物料图像关键特征的实际物料图像坐标(X实图2,Y实图2),从而根据该图像坐标实现第二个物料精确定位抓取,依次类推,对每个相邻物料的取料位置逐一自适应调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610702768.2A CN106393103B (zh) | 2016-08-23 | 2016-08-23 | 一种基于机器视觉的阵列式料框自适应取料方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610702768.2A CN106393103B (zh) | 2016-08-23 | 2016-08-23 | 一种基于机器视觉的阵列式料框自适应取料方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106393103A CN106393103A (zh) | 2017-02-15 |
CN106393103B true CN106393103B (zh) | 2019-02-19 |
Family
ID=58004780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610702768.2A Active CN106393103B (zh) | 2016-08-23 | 2016-08-23 | 一种基于机器视觉的阵列式料框自适应取料方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106393103B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992000A (zh) * | 2017-11-13 | 2018-05-04 | 河南森源电气股份有限公司 | 一种融合自主移动导航车的智能工业生产方法及系统 |
CN110171708B (zh) * | 2019-05-10 | 2021-09-03 | 惠州市德赛电池有限公司 | 一种高精度取料和放料的自动化控制方法 |
CN110303498B (zh) * | 2019-07-03 | 2020-10-09 | 广东博智林机器人有限公司 | 搬运系统及其控制方法、地砖铺贴系统 |
CN112777276B (zh) * | 2019-11-07 | 2023-01-10 | 宁波舜宇光电信息有限公司 | 用于移料机构的物料定位方法和物料定位装置 |
CN111169979B (zh) * | 2019-12-10 | 2021-06-15 | 苏州市创怡盛实业有限公司 | 机械手搬运方法以及系统 |
CN111003410B (zh) * | 2019-12-27 | 2021-03-23 | 广东利元亨智能装备股份有限公司 | 物料存取方法、装置及机器人 |
CN111687839B (zh) * | 2020-06-03 | 2021-11-30 | 北京如影智能科技有限公司 | 一种夹取物品的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183205A (zh) * | 2006-11-13 | 2008-05-21 | 东捷科技股份有限公司 | 单定位标记配合摄影机取像的板材定位方法 |
CN101637908A (zh) * | 2008-07-29 | 2010-02-03 | 上海发那科机器人有限公司 | 一种用于机器人搬运作业的视觉定位方法 |
CN103895042A (zh) * | 2014-02-28 | 2014-07-02 | 华南理工大学 | 一种基于视觉引导的工业机器人工件定位抓取方法及系统 |
CN204893951U (zh) * | 2015-08-31 | 2015-12-23 | 台州市东部数控设备有限公司 | 横梁式机械手 |
CN105427288A (zh) * | 2015-11-10 | 2016-03-23 | 凌云光技术集团有限责任公司 | 一种机器视觉对位系统的标定方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4712819B2 (ja) * | 2008-01-10 | 2011-06-29 | ヤマハ発動機株式会社 | 電子部品の実装方法 |
-
2016
- 2016-08-23 CN CN201610702768.2A patent/CN106393103B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183205A (zh) * | 2006-11-13 | 2008-05-21 | 东捷科技股份有限公司 | 单定位标记配合摄影机取像的板材定位方法 |
CN101637908A (zh) * | 2008-07-29 | 2010-02-03 | 上海发那科机器人有限公司 | 一种用于机器人搬运作业的视觉定位方法 |
CN103895042A (zh) * | 2014-02-28 | 2014-07-02 | 华南理工大学 | 一种基于视觉引导的工业机器人工件定位抓取方法及系统 |
CN204893951U (zh) * | 2015-08-31 | 2015-12-23 | 台州市东部数控设备有限公司 | 横梁式机械手 |
CN105427288A (zh) * | 2015-11-10 | 2016-03-23 | 凌云光技术集团有限责任公司 | 一种机器视觉对位系统的标定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106393103A (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106393103B (zh) | 一种基于机器视觉的阵列式料框自适应取料方法 | |
CN107471218B (zh) | 一种基于多目视觉的双臂机器人手眼协调方法 | |
CN105234943B (zh) | 一种基于视觉识别的工业机器人示教装置及方法 | |
CN109671122A (zh) | 手眼相机标定方法及装置 | |
CN109483531A (zh) | 一种用于机械手定点取放fpc板的机器视觉系统及方法 | |
CN105593396B (zh) | 对准方法以及对准装置 | |
CN105759720A (zh) | 基于计算机视觉的机械手跟踪定位在线识别与纠偏方法 | |
CN110303498B (zh) | 搬运系统及其控制方法、地砖铺贴系统 | |
CN106291897A (zh) | 一种组织切片扫描装置以及组织切片扫描方法 | |
CN105451461A (zh) | 基于scara机器人的pcb板定位方法 | |
CN104182969B (zh) | 一种单线阵相机内外参数标定方法 | |
CN105290621A (zh) | 一种基于视觉引导的高速高精度极耳切割方法和设备 | |
CN104574332A (zh) | 一种机载光电吊舱用图像融合方法 | |
CN109459984A (zh) | 一种基于三维点云的定位抓取系统及其使用方法 | |
CN105196292A (zh) | 一种基于迭代变时长视觉伺服控制方法 | |
CN109550879A (zh) | 一种基于视觉的钣金压铆方法 | |
CN112001967A (zh) | 相机指导机械手搬运物体的方法和装置 | |
CN109421050A (zh) | 一种机器人的控制方法及装置 | |
CN105844670B (zh) | 水平机器人移动相机多点移动标定方法 | |
CN113103215A (zh) | 一种机器人视觉飞拍的运动控制方法 | |
CN105773661A (zh) | 水平机器人固定相机下工件平移旋转标定方法 | |
CN106325278B (zh) | 一种基于椭圆识别的机器人定位导航方法 | |
CN107917666A (zh) | 双目视觉装置及坐标标定方法 | |
CN102944561B (zh) | 一种矩阵式小器件的外观检测方法及装置 | |
CN103878774A (zh) | 一种基于机器人的视觉标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: The 215200 West Jiangsu city of Suzhou province Wujiang economic and Technological Development Zone No. 666 Applicant after: Bo Seiko Polytron Technologies Inc Address before: The 215200 West Jiangsu city of Suzhou province Wujiang economic and Technological Development Zone No. 666 Applicant before: Suzhou Bozhong Precision Industry Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |